15 Keras 可视化
【模型可视化】
1 from keras.utils import plot_model 2 plot_model(model, to_file='model.png')
可以在定义模型的时给每个层都加了一个名字。
【以表格形式显示模型】
1 model.summary()
【通过TensorBoard回调函数实现可视化】
在model的fit函数中加入TensorBoard的回调函数即可,训练数据就会自动保存在log_dir指定的目录内,然后在命令行启动命令 tensorboard –logdir=./log 即可。TensorBoard会记录loss及model.metrics里面的值,本例中即acc,loss,val_acc,val_loss四个值,每个epoch更新一次。
#定义回调函数
1 tb = TensorBoard(log_dir='./logs', # log 目录 2 histogram_freq=1, # 按照何等频率(epoch)来计算直方图,0为不计算 3 batch_size=32, # 用多大量的数据计算直方图 4 write_graph=True, # 是否存储网络结构图 5 write_grads=False, # 是否可视化梯度直方图 6 write_images=False,# 是否可视化参数 7 embeddings_freq=0, 8 embeddings_layer_names=None, 9 embeddings_metadata=None) 10 callbacks = [tb]
#训练时,加入回调函数参数
1 model.fit(x_train,y_train,batch_size=64,epochs=2, 2 verbose=1,validation_data=(x_test,y_test), 3 callbacks=callbacks)
#通过TensorBoard监控训练过程
1-打开相同环境下的命令窗口,执行命令 tensorboard --logdir log_dir (参数保存的目录)示例:tensorboard --logdir 'E:/log',注意logdir前面有连个杠
2-根据命令行的提示,在浏览器内输入网址,例如我的网址为:http://microwin10-1735:6006